SPSS方差分析命令选择的一般逻辑.doc

平均数的差异性显著性检验是参数推断统计假设检验的重要内容，而我们发现在SPSS中则有多个模块（Compare Means 和 General Linear Model）是和这一检验有关系的。那么针对不同的问题，如何来选择正确的命令呢？本文即从两个角度对该问题进行了分析，并最后总结了SPSS方差分析程序命令选择的一般逻辑。

角度一：从变量数量、变量水平和变量性质出发选择命令

首先，从因变量角度考虑。如果是多个因变量，那么选择GLM模块中的Multivariate。

其次，从自变量角度来考虑。把问题分解为一个自变量和多个自变量两种情况。

情况一：一个自变量。
接下来考虑这个自变量的水平，如果是两个水平，则使用T检验（存在Independant Samples T Test——独立样本t检验和Paired Samples T Test——相关样本t检验两种情况）。如果是三个及以上水平，则使用方差分析（存在两种情况：Compare Means 中的 Oneway Anova——单维方差分析以及GLM模块中的 Repeated Measures——重复测量）。
那么究竟应该选择哪种方法呢？主要要考虑该自变量的性质。即该自变量是一个组间变量还是一个组内变量。如果是组间变量，那么我们需要选择Independant Samples T Test和 Oneway Anova。如果是组内变量，那么我们需要选择Paired Samples T Test和 Repeated Measures。

情况二：多个自变量。
依然是从变量性质角度考虑来选择命令。如果所有的自变量都是组间变量。那么我们需要选择GLM模块中的 Univariate 命令。如果有任何的一个自变量（哪怕是只有一个，即我们前面所分析过的单一自变量的情况）是属于组内变量，那么我们都需要选择GLM模块中的 Repeated Measures 命令。

角度二：从实验设计角度来选择命令

完全随机两等组设计：Independant Samples T Test
单组前后测设计：Paired Samples T Test
配对两等组设计：Paired Samples T Test
完全随机多水平（多组）设计：Oneway Anova
完全随机区组设计：Univariate（相当于完全随机两因素设计，只是在具体分析时不计算交互作用效应大小）
单因素被试内设计：Repeated Measures
完全随机多因素设计：Univariate
完全被试内多因素设计：Repeated Measures
混合设计：Repeated Measures

特殊情况：当一名被试构成一个区组时，那么该设计和单因素的完全被试内设计是相同的。在具体分析时，即可以用Univariate也可以用Repeated Measures。不过两种方法下SPSS的数据结构是不一样的。

多个因变量：Multivariate

SPSS方差分析程序命令选择的一般逻辑：

首先，辨别问题中的自变量和因变量；
其次，因变量的个数；
第三，自变量的个数和水平数；
第四，自变量的性质（组间因素或者是组内因素）。

组内因素的判断标准：所有被试均接受了自变量所有处理水平的影响。
组间因素的判断标准：自变量不同处理水平下的被试是不同的。